Auf Basis der Ergebnisse der ersten Studie wird nun vermuetet, dass die Psychotherapie allein nicht schlechter ist als die Kombinationstherapie. Auf eine zusätzliche Behandlung mit Medikamenten könnte also verzichtet werden.
Prüfen Sie diese Hypothese mit einer entsprechenden Kontrastanalyse mit neuen Daten, die aber demselbem Versuchsdesign entsammen. Der kleinste klinisch relevante Unterschied zwischen reiner Psychotherapie und Kombinationstherapie, der zur Verwerfung der gemachten Nichtunterschiedshypothese (H0) führen würde ist d = 0.2. Planen Sie die neue Studie so, dass dieser Unterschied mit 0.90 Power in einem einseitigen t-Test gefunden werden würde. “Erheben” Sie dann die Daten (über n = XX) und führen Sie eine Kontrastanalyse durch.
Planung für T-Test mit d = 0.2
n = 310
set.seed(121412)
Placebo <- round(rnorm(n, mean=70, sd=40),0)
Psychotherapie <- round(rnorm(n, mean = 100, sd=40),0)
Kombiniert <- round(rnorm(n, mean = 110, sd =40),0)
sID <- c(1:(3*n))
Therapie <- c(rep("Placebo",n), rep("Psychotherapie",n), rep("Kombiniert",n))
Symptome <- c(Placebo, Psychotherapie, Kombiniert)
Daten <- data.frame(sID, Therapie, Symptome)
Anordnung der Faktorstufen, sodass Hypothese über Dummy-Kontrast geprüft werden kann:
Daten$Therapie <- factor(Daten$Therapie, levels = c("Psychotherapie", "Kombiniert", "Placebo"))
Plot:
with(Daten, plotMeans(Symptome, Therapie, error.bars="conf.int", level=0.95, connect=TRUE))
contrasts(Daten$Therapie) <- "contr.Treatment"
LinearModel.3 <- lm(Symptome ~ Therapie, data=Daten)
summary(LinearModel.3)
##
## Call:
## lm(formula = Symptome ~ Therapie, data = Daten)
##
## Residuals:
## Min 1Q Median 3Q Max
## -162.261 -26.073 -0.261 24.771 135.394
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 102.229 2.254 45.356 < 2e-16 ***
## Therapie[T.Kombiniert] 11.377 3.188 3.569 0.000376 ***
## Therapie[T.Placebo] -32.968 3.188 -10.343 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 39.68 on 927 degrees of freedom
## Multiple R-squared: 0.1839, Adjusted R-squared: 0.1821
## F-statistic: 104.4 on 2 and 927 DF, p-value: < 2.2e-16